Tema 2:

APLICACIONES LINEALES

Prof. Rafael López Camino

Departamento de Geometrı́a y Topologı́a
Universidad de Granada

Material docente para el alumno

Asignatura: Geometrı́a I. Curso 2003/04
Licenciatura: Matemáticas (Plan 2000)
Universidad de Granada
Universidad de Granada. Licenciatura de Matemáticas.
Asignatura: Geometrı́a I. Prof: Rafael López Camino

1 Aplicación lineal
Definición 1.1 Una aplicación f : V → V
entre dos espacios vectoriales se dice
que es lineal si satisface las dos siguientes propiedades:

1. f (u + v) = f (u) + f (v), ∀u, v ∈ V .

2. f (λv) = λf (v), ∀λ ∈ R, v ∈ V .

Si V = V
, se llama también endomorfismo.

Esta definición es equivalente a que

f (λu + µv) = λf (u) + µf (v), ∀λ, µ ∈ R, u, v ∈ V.

Como ejemplos de aplicaciones tenemos los siguientes:

1. La aplicación identidad 1V : V → V y la aplicación nula 0 : V → V
son

lineales.

2. Si λ = 0, la aplicación fλ : V → V definida por fλ (v) = λv, se llama homotecia

de razón λ. Esta aplicación es una homotecia.

3. Las aplicaciones proyecciones pi : V1 × V2 → Vi , pi (v1 , v2 ) = vi son lineales.

4. Si U es un subespacio de un espacio vectorial V , la aplicación inclusión i :

U → V es lineal.

5. Si U es un subespacio de un espacio vectorial, la aplicación proyección π :

V → V /U, π(v) = v + U, es lineal.

6. Si U es un subespacio vectorial y f : V → V
es una aplicación lineal, entonces

la restricción a U, f|U : U → V
es lineal.

7. La composición de aplicaciones lineales es lineal.

2 Se prohibe cualquier reproducción sin permiso del autor

 Universidad de Granada. Licenciatura de Matemáticas.
Asignatura: Geometrı́a I. Prof: Rafael López Camino

8. Sea B = {e1 , . . . , en } una base de un espacio vectorial V . Entonces la apli-

cación f : Rn → V definida por f (x1 , . . . , xn ) = x1 v1 + . . . + xn vn es lineal y
biyectiva

Proposición 1.1 Sea f : V → V
una aplicación lineal.

1. f (0) = 0.

2. f (−v) = −f (v).

3. Si U (resp. U
) es un subespacio de V (resp. de V
), entonces f (U) es un

subespacio de V
(resp. f −1 (U
)). En particular, el conjunto imagen de f ,
Im(f ), es un subespacio vectorial de V
.

n
n
4. f ( i=1 λi vi ) = i=1 λi f (vi ).

5. < f (v1 ), . . . , f (vn ) >= f (< v1 , . . . , vn >).

Definición 1.2 Una aplicación lineal se llama monomorfismo (resp. epimorfismo,

isomorfismo) si es inyectiva (resp. sobreyectiva, biyectiva). Un automorfismo es un
endomorfismo biyectivo.

Definición 1.3 El núcleo de una aplicación lineal f : V → V
es el conjunto

Ker(f ) = f −1 ({0}) = {v ∈ V ; f (v) = 0}.

Teorema 1.1 Una aplicación lineal es inyectiva si y sólo si Ker(f ) = {0}.

Proposición 1.2 Sea f : V → V
una aplicación lineal. Sea X ⊂ V un conjunto

finito de vectores. Si f es monomorfismo (resp. epimorfismo, isomorfismo) y X es
linealmente independiente (resp. sistema de generadores, base), entonces f (X) es
linealmente independiente (resp. sistema de generadores, base).

Como consencuencia de este resultado, se tiene

Se prohibe cualquier reproducción sin permiso del autor 3

Universidad de Granada. Licenciatura de Matemáticas.
Asignatura: Geometrı́a I. Prof: Rafael López Camino

Corolario 1.1 Sea f : V → V
una aplicación lineal. Si f es inyectiva (resp.

sobreyectiva, biyectiva), entonces dim(V ) ≤ dim(V
) (resp. dim(V ) ≥ dim(V
),
dim(V ) = dim(V
)).

Proposición 1.3 Sea f : V → V
una aplicación lineal y B una base de V . Si

f (B) es linealmente independiente (resp. sistema de generadores, base), entonces f
es inyectiva (resp. sobreyectiva, biyectiva).

Teorema 1.2 Si f : V → V
es una aplicación lineal, entonces

dim(V ) = dim(Ker(f )) + dim(Im(f )).

A la dimensión del núcleo se llama nulidad de f , n(f ), y a la dimensión de la imagen

de f se llama rango de f , r(f ).

Demostración : Si {e1 , . . . , en } es una base de V , donde {e1 , . . . , ek } es una base de

Ker(f ), entonces una base de Im(f ) es {f (ek+1, . . . , f (en )}. q.e.d

Corolario 1.2 En una aplicación lineal f , r(f ) ≤ dim(V ). Además, si U es un

subespacio de V , entonces dim(f (U)) ≤ dim(U).

Corolario 1.3 Sea f : V → V
una aplicación lineal tal que dim(V ) = dim(V
).
Son equivalentes los siguientes enunciados:

1. f es inyectiva.

2. f es sobreyectiva.

3. f es biyectiva.

Teorema 1.3 Sea B = {e1 , . . . , en } una base de un espacio vectorial V y {v1
, . . . , vn
}
un subconjunto de vectores de un espacio V
. Entonces existe una única aplicación
lineal f : V → V
tal que f (ei ) = vi
, 1 ≤ i ≤ n.

4 Se prohibe cualquier reproducción sin permiso del autor

 Universidad de Granada. Licenciatura de Matemáticas.
Asignatura: Geometrı́a I. Prof: Rafael López Camino

Demostración : Basta con definir

n
 n

f( λi ei ) = λi vi
.
i=1 i=1

q.e.d

Como consecuencia,

Corolario 1.4 Sean V y V
espacios vectoriales de dimensiones n y m respectiva-

mente. Entonces existe un monomorfismo de V a V
(resp. epimorfismo, isomor-
fismo) si y sólo si n ≤ m (resp. n ≥ m, n = m).

Se considera ahora el conjunto de todas las aplicaciones lineales de un espacio

V a otro V
y al que denotaremos por L(V, V
). Dotamos a este conjunto estructura
de espacio vectorial del siguiente modo: si f, g ∈ L(V, V
) y λ ∈ R, se define
f + g : V → V
y λf : V → V

(f + g)(v) = f (v) + g(v).

(λf )(v) = λf (v).

Proposición 1.4 El conjunto L(V, V
es un espacio vectorial con esta suma y pro-
ducto por escalares.

Teorema 1.4 La dimensión de L(V, V
) es dim(V )dim(V
).

Demostración : Sea B = {e1 , . . . , en } y B
= {e
1 , . . . , e
m } bases de V y V
respecti-

vamente. Para cada 1 ≤ i ≤ n, 1 ≤ j ≤ m, se define fij : V → V
como

fij (ek ) = δik e
j .

Entonces el conjunto {fij ; 1 ≤ i ≤ n, 1 ≤ j ≤ m} es una base de L(V, V
). q.e.d

Se prohibe cualquier reproducción sin permiso del autor 5

Universidad de Granada. Licenciatura de Matemáticas.
Asignatura: Geometrı́a I. Prof: Rafael López Camino

2 El grupo lineal general

Definición 2.1 Si f : V → V
es un isomorfismo, se dice que V es isomorfo a V

y se denotará por V ∼
= V
.

3 Espacio dual
Definición 3.1 Si V es un espacio vectorial, el espacio dual de V , y se denotará
por V ∗ , es el espacio vectorial V = ∗ = L(V, R). A los elementos de V ∗ se llaman
formas lineales de V .

En particular, dim(V ∗ ) = dim(V ).

Teorema 3.1 Sea f ∈ V ∗ . Entonces

1. f = 0 o Ker(f ) es un hiperplano de V .
2. Las formas lineales de Rn son de la forma f (x1 , . . . , xn ) = a1 x1 + . . . , an xn ,
para ciertos ai ∈ R.
3. Los hiperplanos de Rn son de la forma H = {(x1 , . . . , xn ) ∈ Rn ; a1 x1 + . . . +
an xn = 0} para ciertos ai ∈ R no todos nulos.
4. Sea H un subespacio vectorial de un espacio V . Entonces H es un hiperplano
si y sólo si es el núcleo de una forma lineal no nula de V .
5. Sean f, g dos formas lineales de un espacio V . Entonces f es proporcional a
g si y sólo si sus núcleos coinciden.

Sea B = {e1 , . . . , en } una base de V . Consideramos la base B ∗ de V ∗ determi-

nada en la sección anterior al tomar en R la base usual, es decir, B ∗ = {ω1 , . . . , ωn },
donde ωi : V → R está definida mediante
ωi (ej ) = δij .

6 Se prohibe cualquier reproducción sin permiso del autor

 Universidad de Granada. Licenciatura de Matemáticas.
Asignatura: Geometrı́a I. Prof: Rafael López Camino

Definición 3.2 A la base B ∗ se le llama la base dual de B.

Teorema 3.2 Sea U un subespacio de un espacio vectorial V . Entonces U tiene

dimensión k si y sólo existen n − k formas lineales ω1 , . . . , ωn−k linealmente inde-
pendientes tales que

U = {v ∈ V ; ωi (v) = 0, 1 ≤ i ≤ n − k}.

Se prohibe cualquier reproducción sin permiso del autor 7